IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH

22

IMPLEMENTASI METODE SPEED UP FEATURES DALAM

MENDETEKSI WAJAH

Fitri Afriani Lubis1_{, Hery Sunandar}2_{, Guidio Leonarde Ginting}3_{, Lince Tomoria Sianturi}4

1 _{Mahasiswa Teknik Informatika, STMIK Budi Darma}

2, 3, 4 _{Dosen Tetap STMIK Budi Darma}

1, 2, 3, 4 _{Jl. Sisimangaraja No.338 Simpang Limun Medan}

ABSTRAK

Aplikasi deteksi wajah mengalami pengembangan yang sangat cepat dan semakin banyak digunakan, contohnya untuk sistem keamanan, absensi dan lainnya. Deteksi wajah (face detection) merupakan salah satu tahap awal yang sangat penting sebelum dilakukan proses pengenalan wajah (face recognition). Maksud dari pembuatan tugas akhir ini adalah membuat suatu sistem deteksi area wajah yang telah mengalami transformasi rotasi, skala dan 2 dimensi menggunakan metode Speed-Up Robust Features (SURF). Metoda SURF merupakan sebuah metode deteksi fitur yang menggunakan keypoint dari sebuah gambar, keypoint itu sendiri adalah bagian-bagian dari sebuah gambar yang nilainya tetap ketika mengalami perubahan skala, rotasi, blurring, transformasi 2 dimensi dan pencahayaan. Ekstraksi menggunakan metode SURF dapat dijalankan dengan baik. Sementara untuk pengujian citra hasil perubahan 2 dimensi tedapat nilai interest point posisinya tidak sama, hal ini dapat diakibatkan karena jumlah sample yang sedikit.

Kata Kunci: Deteksi Wajah, Speed-Up Robust Features

I. PENDAHULUAN

Seiring dengan berkembangnya teknologi, maka pengaplikasian deteksi wajah mengalami pengembangan yang sangat cepat dan semakin banyak digunakan, contohnya untuk sistem keamanan, absensi dan lainnya. Deteksi wajah (face detection) merupakan salah satu tahap awal yang sangat penting sebelum dilakukan proses pengenalan wajah (face recognition). Sistem pengenalan wajah akan digunakan untuk membandingkan citra wajah masukan dengan suatu kumpulan wajah sehingga dapat mengenali mana wajah yang paling cocok dengan citra wajah tersebut.

Dari penelitian ini diharapkan dapat menguji perubahan transformasi pada suatu area wajah. Selanjutnya pengaplikasian deteksi wajah dapat digunakan untuk monitoring pada suatu ruangan. Telah di ketahui bersama bahwa sistem monitoring yang sekarang ini masih jarang digunakan. Untuk itu deteksi wajah dapat dimanfaatkan untuk monitoring keberadaan seseorang pada suatu ruangan, dimana monitoring ruangan dengan deteksi wajah dapat mempermudah manusia dalam hal mengetahui keberadaan seseorang didalam ruangan tanpa memasuki suatu ruangan. Dengan pemanfaatan deteksi wajah ini akan memonitoring setiap objek pada suatu ruangan dengan menggunakan kamera misalnya, yang selanjutnya akan diproses dengan metoda deteksi wajah yang telah ada untuk memberikan informasi apakah objek tersebut berada didalam ruangan atau tidak. dengan penelitian sebelumnya, pada penelitian ini

akan menggunakan metode Speed-Up Features

Metoda ini merupakan sebuah metode deteksi fitur yang menggunakan keypoint dari sebuah gambar,

keypoint itu sendiri adalah bagian-bagian dari sebuah gambar yang nilainya tetap ketika mengalami perubahan skala, rotasi, blurring, transformasi 2 dimensi dan pencahayaan. Salah satu tujuan penelitian deteksi wajah dengan metoda SURF ini diharapkan agar dapat menganalisa wajah yang tidak utuh pada posisi derajat tertentu berdasarkan transformasi rotasi, skala, dan perubahan 2 dimensi dengan dilakukan kalibrasi posisi wajah terlebih dahulu.

II. TEORITIS A. Perancangan

Perancangan sistem adalah merancang atau mendesain suatu sistem yang baik, yang isinya adalah langkah-langkah operasi dalam proses pengolahan data dan prosedur untuk mendukung operasi sistem.

B. Aplikasi

Aplikasi berasal dari kata application yang artinya penerapan, lamaran, penggunaan. Secara istilah aplikasi adalah program siap pakai yang direka untuk melaksanakan suatu fungsi bagi pengguna atau aplikasi yang lain dan dapat digunakan oleh sasaran yang dituju. Aplikasi Komputer atau Aplikasi Software adalah Program komputer yang ditulis dalam suatu bahasa pemrograman dan dipergunakan untuk menyelesaikan masalah tertentu.

C. Citra Digital

23 Citra digital terdiri dari sinyal-sinyal frekuensi elektromagnetis yang sudah disampling, dan ukuran

pixel dari citra tersebut sudah dapat ditentukan. Sampling merupakan proses pembentukan citra

digital dari citra analog. Suatu citra yang dicetak diatas kertas disebut dengan citra analog, jika citra analog tersebut di scan dengan alat scanner maka akan terjadi citra digital.

Dengan demikian, scanner merupakan alat sampling. Proses pembentukan citra digital dari citra analog.

Gambar 1. Pembentukan Citra Digital dari Citra Analog Sumber: Aniati Murni, 2008

Citra sebagai keluaran suatu sistem perekaman data bersifat optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu pita magnetik. Presisi yang digunakan untuk menyatakan titik-titik koordinat pada domain spasial atau bidang dan untuk menyatakan nilai keabuan atau warna suatu citra, maka secara teoritis citra dapat dikelompokkan ke dalam empat kelas citra yaitu citra kontinu-kontinu, kontinu diskrit, diskrit kontinu, dan diskrit-diskrit.

D. Representasi Citra Digital

Semua citra dalam sistem komputer perlu dikodekan menggunakan sistem simbol diskrit. Sebuah citra digital a (x,y) yang diuraikan dalam sebuah ruang diskrit dua dimensi diperoleh dari sebuah citra analog dalam sebuah ruang kontinu melalui proses sampling ataupun digitalisasi. Sebuah citra digital dapat dianggap suatu matriks di mana baris dan kolomnya menunjukkan sebuah titik pada citra dan nilai elemen matriks menunjukkan warna pada titik tersebut. Elemen dari array digital tersebut disebut piksel atau

picture elements (pixel) (Aniati Murni, Pengantar Pengolahan Citra, 2008 )

Citra analog dibagi dalam N baris dan M kolom sehingga diperoleh citra digital a(x,y) dengan memberikan nilai diskrit bagi setiap titik. Pada umumnya, citra digital yang direpresentasikan dengan a(x,y) merupakan sebuah fungsi dari banyak variabel yang mencakup kedalaman/depth

(z), warna/color (y), dan waktu /time (t) atau dengan kata lain, representasi citra digital yang sebenarnya dilambangkan dengan a(x,y,z,≤,t).

Gambar 2. Representasi Citra Digital Sumber: Aniati Murni, 2008

Resolusi gambar dikatakan sebagai bilangan piksel yang terkandung dalam suatu citra digital. Pada resolusi tinggi, keterperincian data lebih nyata dan tajam.

Gambar 3. Tingkat Resolusi Citra Sumber: Aniati Murni, 2008

Citra hitam putih adalah citra yang menggunakan 1 bit bagi perwakilan hitam putih di mana 0 bagi hitam dan 1 bagi putih bagi satu piksel dikenali sebagai binary image. Suatu citra hitam putih yang diwakili dengan beberapa nilai kekuatan cahaya berlainan dari hitam hingga putih dikenali sebagai grayscale image.

Salah satu sistem yang digunakan untuk mewakili gambar yaitu sistem warna RGB (red, green, blue).

Gambar 4 : Sistem Warna RGB Sumber: Aniati Murni, 2008 Proses Digitasi

Citra Analog

Scanning / Sampling

24 Sistem RGB adalah sistem yang menggabungkan warna primer gabungan (additive

primary colours) untuk memperoleh

gabungan-gabungan warna. Dapat dilihat pada tabel 2.1 yaitu tabel warna yang merupakan gabungan warna primer.

Tabel 1. Kode Warna

Warna Red Green Blue

Black 0 0 0

Blue 0 0 255

Green 0 255 0

Red 255 0 0

Cyan (Green+Blue) 0 255 255

Magenta (Red+Blue) 255 0 255

Yellow (Red+Green) 255 255 0

White (Red+Green+Blue) 255 255 255

Sumber : Aniati Murni, Pengantar Pengolahan Citra, 2008

E. Jenis Citra Digital

Citra digital berhubungan erat dengan warna. Nilai data digital merepresentasikan warna dari citra. Citra digital berdasarkan warna penyusunnya dapat dibedakan menjadi 4 (empat) jenis, yaitu citra biner (monochrome), citra skala keabuan (gray scale), citra warna (true color), dan citra warna berindeks (Rinaldi Munir, Pengolahan Citra Digital dengan Pendekatan Algoritmik, 2008 ). Berikut ini penjelasan untuk masing-masing format citra digital.

Citra Biner (Monochrome)

Citra biner (monochrome) atau disebut juga

binary image, merupakan citra digital yang setiap

pixel-nya hanya memiliki 2 kemungkinan derajat

keabuan, yaitu 0 dan 1. Nilai 0 mewakili warna hitam dan nilai 1 mewakili warna putih. Setiap piksel pada citra biner membutuhkan media penyimpanan sebesar 1 bit (Rinaldi Munir, Pengolahan Citra Digital dengan Pendekatan Algoritmik, 2008).

Gambar 5 : Bentuk Citra Biner Sumber : Rinaldi Munir, 2008

Gambar 6 : Citra Biner Sumber : Rinaldi Munir, 2008

Citra Skala Keabuan (Grayscale)

Citra skala keabuan atau disebut juga dengan citra aras keabuan memberikan kemungkinan yang lebih banyak. Format citra ini disebut dengan aras keabuan karena terdapat warna abu-abu diantara warna minimum (hitam) dan warna maksimum (putih).

Jumlah maksimum warna sesuai dengan bit penyimpanan yang digunakan, yaitu 4 bit atau 8 bit. Citra dengan skala keabuan 4 bit memiliki 24 _{= 16} kemungkinan warna, yaitu 0 (minimal) hingga 15 (maksimal). Sementara citra digital dengan skala keabuan 8 bit memiliki 28 _{= 256 kemungkinan, yaitu 0} (minimal) hingga 255 (maksimal) (Rinaldi Munir, Pengolahan Citra Digital dengan Pendekatan Algoritmik, 2008).

Skala keabuan 4 bit (hitam = 0, putih = 15)

Gambar 7 : Bentuk Citra Skala Keabuan Sumber : Rinaldi Munir, 2008

= 15 0 6 0 13 15

= 15 12 15 15 15 15

= 15 5 0 12 0 15

= 15 8 15 15 15 15

= 15 10 0 13 0 15

Citra Warna (True Color)

25 warna citra RGB 224 _{= lebih dari 16 juta warna(Rinaldi} Munir, 2008 ).

Gambar 8 : Bentuk Citra Warna Sumber : Rinaldi Munir, 2008

Gambar 9 : Citra Warna Sumber : Rinaldi Munir, 2008

F. Metode Speed-Up Robust Features (SURF)

Metoda Speed-Up Robust Features (SURF)

merupakan sebuah metode deteksi fitur yang menggunakan keypoint dari sebuah citra/gambar.

Keypoint itu sendiri adalah bagian-bagian dari sebuah citra/gambar yang nilainya kuat/tetap ketika mengalami perubahan skala, rotasi, blurring, transformasi 2 dimensi, pencahayaan dan juga perubahan bentuk.

Perubahan bentuk itu bisa terjadi karena bentuk citra data awal yang tidak utuh atau tidak sempurna gambar yang ada di dalam citra sampel tersebut. Citra uji yang tidak utuh mungkin karena ada objek lain yang menutupi, atau pengambilan gambar yang tidak sempurna, atau keadaan objek itu sendiri yang telah mengalami perubahan. Agar supaya invarian terhadap skala maka proses pertama yang dilakukan adalah membuat ruang sekala (scale space).

III. ANALISA dan PEMBAHASAN

Analisis sistem merupakan penguraian dari suatu sistem yang utuh ke dalam beberapa komponen dengan maksud untuk mengidentifikasikan dan mengevaluasi permasalahan - permasalahan yang terdapat dalam suatu sistem. Proses pengenalan wajah harus memiliki tingkat keamanan yang tinggi sehingga dibutuhkan algoritma yang memiliki kemampuan

proses yang baik. Terdapat beberapa masalah yang terdapat dalam sistem keamanan dalam media pengenalan wajah .

Pada tahap ini akan dicontohkan proses deteksi wajah dengan gambar yang digunakan berformat JPEG. Adapun prosesnya dapat terlihat pada tahapan dibawah ini.

Gambar 10 : Citra Yang Diproses

Proses Deteksi Wajah

Adapun proses deteksi wajah sebagai berikut : 1. Konversikan citra yang akan di deteksi dalam

bentuk biner dan kemudian konversikan dalam bentuk matriks dengan ordo 5 x 5.

00000100 00000100 00000011 00000101 00000100 00000110 00000110 00000101 00000101 00000010 00000101 00000110 00000110 00000110 00000010 00000110 00000111 00000101 00000101 00000011 00000011 00000101 00000010 00000100 00000100.

f (x,y) =

2. Tentukan kernel yang digunakan untuk mendeteksi citra.

g (x,y) =

3. Hitung nilai perkalian antara matriks citra dengan matriks kernel dari citra tersebut.

Hasil Proses-1 = 3 Nilai ini dihitung dengan cara berikut :

(0 x 4) + (-1 x 4) + (0 x 3) + (-1 x 6) + (-1 x 5) + (0 x 5 ) +(-1 x 6) + (0 x 6) = 3

3

4 4 3 5 4

6 6 5 5 2

5 6 6 6 2

6 7 5 5 3

3 5 2 4 4

0 -1 0

-1 4 -1

26 4. Geser kernel satu pixel ke kanan, kemudian hitung

nilai pixel pada posisi (0,0) dari kernel. 4 4 3 5 4

6 6 5 5 2 5 6 6 6 2 6 7 5 5 3 3 5 2 4 4

Hasil Proses-2 = 0

(0 x 4) + (-1 x 3) + (0 x 5) + (-1 x 6) + (4 x 5) + (-1 x 5) + (-1 x 6) + (0 x 6) + (-1 x 6) + (0 x 6 )

= 0

3 0

5. Geser kernel satu pixel ke kanan, kemudian hitung nilai pixel pada posisi (0,0) dari kernel.

Hasil Proses-3 = 2 Nilai ini dihitung dengan cara berikut :

(0 x 3) + (-1 x 5) + (0 x 4) + (-1 x 5) + (4 x 5) + (-1 x 2) + (0 x 6) + (-1 x 6 ) + (0 x 2) = 2

3 0 2

6. Selanjutnya geser kernel sau pixel ke bawah, lalu mulai lagi melakukan proses dari sisi kiri citra. Setiap kali prosesi, geser kernel satu pixel ke kanan.

Hasil Proses-4 = 0. Nilai itu dihitung dengan cara berikut :

( 0 x 6) + (-1 x 6) + (0 x 5) + (-1 x 5) + (4 x 6) + (-1 x 6) + (0 x 6) + (-1 x 7) + (0 x 5 ) = 0

3 0 2

0

7. Selanjutnya geser kernel sau pixel ke bawah, lalu mulai lagi melakukan proses dari sisi kiri citra.

Setiap kali konvolusi, geser kernel satu pixel ke kanan.

Hasil Proses-5 = 2. Nilai ini dihitung dengan cara sebagai berikut :

(0 x 6) + (-1 x 5) + (0 x 5) + (-1 x 6) + (4 x 6) + (-1 x 6) + (0 x 7) + (-1 x 5) + (0 x 5) = 2

3 0 2

0 2

8. Selanjutnya geser kernel sau pixel ke bawah, lalu mulai lagi melakukan proses dari sisi kiri citra. Setiap kali konvolusi, geser kernel satu pixel ke kanan.

Hasil Proses-6 = 6. Nilai ini dihitung dengan cara sebagai berikut :

(0 x 5) + (-1 x 5) + (0 x 2) + (-1 x 6) + (4 x 6) + (-1 x 2) + (0 x 5) + (-1 x 5) + (0 x 3) = 6

3 0 2

0 2 6

9. Dengan cara yang sama seperti tadi, maka pixel-pixel pada baris ke tiga diproses sehingga menghasilkan.

3 0 2

0 2 6

6 0 2

IV. IMPLEMENTASI

Tahap implementasi sistem merupakan tahap pembuatan perangkat lunak, tahap lanjut dari tahap perancangan sistem pengujian. Tahap yang dilakukan untuk menterjemahkan perancangan berdasarkan hasil analisis pengujian dalam bahasa yang dimengerti oleh komputer serta penerapan perangkat lunak pada keadaan yang sebenarnya.

0 -1 0

-1 4 -1

0 -1 0

27

a. Tampilan Utama

Tampilan layar utama papan permainan ini merupakan tampilan awal pada saat aplikasi dijalankan, pada tampilan ini menampilkan menu utama menu proses, petunjuk dan keluar.

Gambar 11. Form Menu Utama

b. Tampilan Proses

Tampilan proses adalah tampilan yang berfungsi untuk menampilkan hasil dari proses deteksi wajah dengan menggunakan metode speed up features. Adapun form tersebut dapat dilihat pada gambar dibawah ini.

Gambar 12. Form Proses

c. Tampilan About Me

Form ini adalah form yang berisikan judul penelitian dan identitas dari penyusun penelitian. Adapun form tersebut dapat dilihat pada form dibawah ini.

Gambar 13. Form About Me

V. KESIMPULAN

Setelah dilakukan tahap pengujian dan analisa maka penulis mendapatkan suatu kesimpulan yaitu : 1. Deteksi wajah sangat menentukan keberhasilan

dari sistem pengenalan wajah. Karena dapat diimplementasikan dalam perangkat lunak mendeteksi gambar wajah manusia dengan cara melakukan ekstraksi pixel gambar, mengolah hasil ekstraksi tersebut menjadi bentuk kernel dan kemudian membandingkannya dengan nilai jet dari gambar wajah yang akan dibandingkan.

2. Metode speed-up robust features (SURF) yang digunakan dapat mengekstraksi nilai interest point

dengan baik.

3. Aplikasi mendeteksi wajah dirancang dengan menggunakan bahasa pemrograman microsoft visual basic 2008 dan telah dapat dijalankan untuk pendeteksian wajah.

VI. DAFTAR PUSTAKA

1) Jogiyanto H.M, 2008. Analisis dan Desain Sistem Informasi, Andi, Yogyakarta

2) Aniati Murni, 2008. Pengantar Pengolahan Citra, PT. Elex Media Komputindo, Jakarta

3) Munir Rinaldi, 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik, Bandung: Informatika

4) Putra Darma, 2010. Pengolahan Citra Digital, Penerbit Andi , Yogyakarta

5) Sutoyo,T, 2009. Teori Pengolahan Citra Digital, Penerbit. Andi,Yogyakarta

6) Adi Nugroho, 2010. Rekayasa Perangkat Lunak Berbasis Objek dengan Metode. USDP. Andi. Yogyakarta

7) Indrajani, 2010. Perancangan Basis Data Dalam All in 1. PT. Elex Media Komputindo, Jakarta